LTX-2｜オープンソース動画生成モデルのFal AI Playgroundでの従量制課金額や日本語生成などを調べてみた
LTX-2はオープンソースモデルなので、高性能PCのConfyUIなどで使えば無料ですが、私のメインPCであるChromebook Plusだと、Fal AIやHugging FaceのPlaygroundで使用できます。
Hugging Face Playgroundは無料で使えますが、待ち時間や制限がかかるので、今回は従量制課金のFal AI Playgroundで使った場合に動画生成で消費する課金額や日本語生成などを調査してみたので紹介します。
— DAZgen X (@dazgen48) February 28, 2026
Fal AIでLTX-2を始めるには
Fal AIの設定
私の場合は、従量制課金で最初に10ドルをチャージし、5ドルまでクレジットが消費されると自動的に10ドルがチャージされるよう設定。
Fal AIでLTX-2
LTX-2を始めるには以下のページに行きます。
６種類あるので、一番ベーシックな「ltx-2/image-to-video」を選んでクリック。
デモ動画
デモ動画用の開始画像は以下です。
https://storage.googleapis.com/falserverless/example_inputs/ltxv-2-i2v-input.jpg
このデモ動画のプロンプトは以下です。
A woman stands still amid a busy neon-lit street at night. The camera slowly dollies in toward her face as people blur past, their motion emphasizing her calm presence. City lights flicker and reflections shift across her denim jacket.
（ネオンがきらめく夜の賑やかな通りで、女性がじっと立っている。カメラはゆっくりと彼女の顔に近づいていく。人々がぼんやりと通り過ぎる中、その動きが彼女の落ち着いた存在感を強調する。街の明かりが揺らめき、デニムジャケットに映る光が揺れ動く。）
★ 「Download」をクリックしてもダウンロードできなかったので、右クリックして「名前を付けてリンクを保存…」でダウンロードしたファイルは以下です。
Fal AI - LTX-2 image to video デモ生成動画 pic.twitter.com/F0VepiOSlx
— DAZgen X (@dazgen48) February 27, 2026
このデモ動画を観ると、開始画像とシンプルなプロンプトの絶妙な組み合わせで高度な映像を実現しているので勉強になります。さすがはプロ・・・💦
動画生成コスト
このデモ動画の場合の生成コストは、開始画像が2560x1440pixで1440pなので0.12ドル/秒となり、６秒の動画なので0.72ドル（112円）となります。
試行錯誤の段階で一般的な720pであれば、その1/4の0.18ドル（28円）なので、最初にチャージした10ドルで、720pで55本も6秒の動画が生成できるので、割と気楽に試行錯誤ができそうです。
一般的な1080pだと、0.06ドル/秒なので、６秒の動画生成コストは0.36ドル（55.8円）で、10ドルでは27本ほど生成が可能なので、コスパは比較的高いと思います。
DAZモデルシーンで動画生成
以下の記事の作例に使ったDAZモデルシーンとプロンプトで動画を生成してみます。
Krea AI - Hailuo 2.3 pic.twitter.com/WLGYZmjQA6
— DAZgen X (@dazgen48) February 19, 2026
この時は、Dg WebGPU Playerの任意の画像比率でスクリーンショットを撮っているので、一般的な16:9の比率にクロップしLTX-2で動画を生成します。
720p用開始画像 x 音声無し
使ったプロンプトは、前回と同じ以下のシンプルなものを使用。
A woman is talking on her smartphone, saying, "What did you eat this morning?".
720p用の開始画像をアップロードし、「Resolution」は1080p以上しか指定できないので「Default」としました。「Generate Audio」はとりあえずオフにしています。
Fal AI - LTX-2 DAZ model scene (EG-Kin) pic.twitter.com/DXtXC7VMvR
— DAZgen X (@dazgen48) February 28, 2026
生成時間は実質75秒と高速です。コストは0.36ドルなので1080pと思われます。
720p用の開始画像で「Default」でも1080pの動画が生成されるようなので、720pで試行錯誤して時間とコストを抑えるような使い方はできないようです。
LTX-2(Fal AI) - Image to Video ( EG-Kin ) pic.twitter.com/wVzFoqdRlZ
— DAZgen X (@dazgen48) February 28, 2026
1080p用開始画像 x 音声有り
LTX-2(Fal AI) - Image to Video with Sound ( EG Kin ) pic.twitter.com/hoQZ4LzrxB
— DAZgen X (@dazgen48) February 28, 2026
生成時間とコストは音声無しの場合と同じでした。
今後は1080p用開始画像で1080p/音声ありで生成したいと思います。
日本語プロンプト x 音声有り
若い日本人女性がスマートフォンでにこやかに会話している。言葉は「おはよう、ちょうしょくはなにたべた？」。フォトリアリスティック。カメラはゆっくり彼女の顔にズームイン。ソフトでニュートラルなスタジオ照明。4K, シネマライティング。
生成時間とコストは同じでした。
— DAZgen X (@dazgen48) February 28, 2026
日本語プロンプトでも、シンプルな表現であれば、ある程度は許容できそうです。
クレジット
現在の状況は以下のとおりです。
定額課金型サブスクサービスに比べると、従量課金制の方がドル表示で使った額と残りのクレジットを把握できるので、安心感があり、計画的に動画生成ができそうです。
まとめ
定額課金制サブスクから従量課金制サービスに変更して動画生成し、LTX-2（Fal AI）の通常版（image-to-video）で生成速度やコストなどを調べてみたので紹介しています。
日本語プロンプトで日本語を喋る動画も生成できたので、1080pの音声入り動画が割と気楽に試行錯誤しながら生成できる環境が整いました。
将来的には、最新のNVIDIA GPUを搭載した高性能PCでオープンソース生成モデルを使ったAI画像・動画生成を目指して、当面はFal AI Playgroundで経験値を蓄積しようと思います。
